轉自：百度搜索研發部

我們向搜索引擎網站提交處理一個查問，搜索引擎網站會從先到后列出數量多的結果，這些個結果排序的標準是啥子呢？這個看似簡單的問題，卻是信息檢索們研討的中心困難的問題之一。

為理解釋明白這個問題，我們來研討一個比搜索引擎網站更加古老的話題：求醫。譬如，假如我牙疼，應當去看怎樣的醫生呢？如果我只有三種挑選：

A醫生，既治眼病，又治胃病；

B醫生，既治牙病，又治胃病，還治眼病；

C醫生，專治牙病。

A醫生肯定不在思索問題之列。B醫生和C醫生之間，貌視更應當挑選C醫生，由于他更專注，更適應我的病情。如果再加一個條件：B醫生內行，有二十年從醫經歷，醫療技術高超，而C醫生只有五年從醫經驗，這個問題不那末容易判斷了，是優先挑選更加專注的C醫生，仍然優先挑選醫療技術更加高超的B醫生，確實成了一個需求仔細衡量的問題。

至少，我們獲得了一個論斷，擇醫需求思索問題兩個條件：醫生的專長與病情的適配程度；醫生的醫療技術。大家肯定感到這個論斷不容置疑，并且可以很天然地聯想到，搜索引擎網站排序不也是這么嗎，既要思索問題網頁內部實質意義與用戶查問的般配程度，又要思索問題網頁本身的品質。不過，怎么把這兩種因素接合起來，獲得一個，而不是兩個或多個排序標準呢？如果我們把這兩種因素表達成數字，的排序根據是把這兩個數字加起來，仍然乘起來，或是按決策樹的方法把他們團體起來？若是加起來，是簡單相加，仍然帶權重加呢？

我們可以依據直覺和經驗，經過試錯的方法，把這兩個因素接合起來。但更好的方法是我們能找到一個明確的根據，能跟算術這么堅實的學科結合起來。提起來，根據素樸的經驗，人的總稱在古代能建筑出高樓；但要建筑出高達數百米的 挨天大廈，假如沒有建造力學、材料力學這么堅實的學科作為后盾，則是十分十分艱難的。同理，根據素樸的經驗構建的搜索引擎網站算法，用來處置上萬的網頁聚齊應當是沒問題的；但要檢索上億的網頁，則需求更為堅固的理論基礎。

求醫，病人會優先挑選診斷正確、醫治效果好的醫生；對于搜索引擎網站來說，普通按網頁滿意用戶需要的幾率從大到小排序。假如用q表達用戶給出了一個特別指定的查問，用d表達一個特別指定的網頁滿意了用戶的需要，那末排序的根據可以用一個條件幾率來表達：

P（dq）

這個簡單的條件幾率，將搜索引擎網站排序算法與幾率論這門堅實的學科結合了起來，這像在滄海中航行的船舶裝備了南針同樣。利用貝葉斯公式，這個條件幾率可以表達為：

可以明白地看見，搜索引擎網站的排序標準，是由三個局部組成的：查問本身的屬性P（q）；網頁本身的屬性P（d）；兩者的般配關系P（qd）。對于同一次查問來說，全部網頁對應的P（q）都是同樣的，因為這個排序時可以不思索問題，即

公式左面，是已知用戶的查問，求網頁滿意該用戶需要的幾率。搜索引擎網站為了增長響應用戶查問的性能，需求事前對所要等待查問的網頁做預處置。預處置時，只曉得網頁，不曉得用戶查問，因為這個需求倒過來計算，即剖析每個網頁能滿意哪一些需要，該網頁分了多大比例來滿意該需要，即獲得公式右面的第1項P（qd），這相當于上文紹介的醫生的專門程度。譬如，一個網頁專門紹介牙病，另一個網頁既紹介牙病又紹介胃病，那末對于“牙疼”這個查問來說，前一個網頁的P（qd）值便會更高一點。

公式右面的第二項P（d），是一個網頁滿意用戶需要的幾率，它反映了網頁本身的好壞，與查問無關。如果要向一個陌陌生人引薦網頁（我們并不曉得他需求啥子），那末P（d）相當于某個特別指定的網頁被引薦的幾率。在傳統的信息檢索板型中，這一個量不太被看得起，如傳統的矢量空間板型、BM25板型，都打算只依據查問與文檔的般配關系來獲得排序的權重。而其實，這個與查問無關的量是十分關緊的。如果我們用網頁被過訪的頻次來估計它滿意用戶需要的幾率，可以看出對于兩個不一樣的網頁，這個量有著非常很大的差別：有的網頁每日只被過訪一兩次，而有的網頁每日被過訪成千累萬次。能夠供給這么很大差別的量，竟長時期被傳統的搜索引擎網站疏忽，一直到Google創造了pagerank并讓它參加到排序中。Pagerank是對P（d）值的一個不賴的估計，這個因素的參加使搜索引擎網站的效果迅即升漲到達一個新的階梯。

這個公式一樣應答了上文提出的問題，網頁與查問的般配程度，和網頁本身的好壞，這兩個因素應當怎樣接合起來參加排序。這個公式以不可以反駁的理由奉告我們，假如網頁與查問的般配程度用P（qd）來表達，網頁本身的好壞用P（d）來表達，那末應當按他們的乘積來施行排序。在現代經濟活動搜索引擎網站中，需求思索問題更多更細節的排序因素，這些個因素有可能有結果百上千個，要把他們合成一體起來是更加復雜和難題。